Muhamad Ibnu, Aditiya (2023) Klasifikasi Data Penyerangan Jaringan Intrusion Detection System dengan Implementasi Algoritma C.45. Bachelor Thesis, Universitas Multimedia Nusantara.
|
PDF
HALAMAN_AWAL.pdf Download (2MB) | Preview |
|
|
PDF
DAFTAR_PUSTAKA.pdf Download (203kB) | Preview |
|
|
PDF
BAB_I.pdf Download (209kB) | Preview |
|
|
PDF
BAB_II.pdf Download (236kB) | Preview |
|
|
PDF
BAB_III.pdf Download (286kB) | Preview |
|
|
PDF
BAB_IV.pdf Restricted to Registered users only Download (524kB) |
||
|
PDF
BAB_V.pdf Download (200kB) | Preview |
|
|
PDF
LAMPIRAN.pdf Restricted to Registered users only Download (858kB) |
Abstract
Penggunaan komputer telah menjadi penting di berbagai bidang, dan dengan meluasnya penggunaan internet, serangan terhadap jaringan semakin meningkat. Keamanan jaringan dapat ditingkatkan dengan menerapkan teknologi IDS (Intrusion Detection System), dimana IDS dapat mendeteksi serangan dengan pendekatan rule base dan anomaly base. Namun, dengan semakin meningkatnya data trafik dalam jaringan, agak menyulitkan IDS dalam mendeteksi terutama yang bertipe anomaly. Model pendeteksian ini dapat dibantu dengan menggunakan pendekatan machine learning salah satunya adalah dengan melakukan klasifikasi pada pola data serangan jaringan. Metode yang akan diterapkan adalah Decision Tree Classifier. Penelitian ini menggunakan data penyerangan jaringan Intrusion Detection System(IDS) UNSW NB-15. Data yang didapat akan dilatih dan menemukan pola jaringan normal ataupun tidak normal. Model yang digunakan adalah decision tree classifier C4.5 untuk mengklasifikasikan serangan jaringan. Setelah melakukan pre-processing data dan pemilihan fitur, data dibagi menjadi dataset training dan testing. Hasil evaluasi menunjukkan akurasi yang baik, yaitu 85,52% akurasi keseluruhan, 86,14% Balanced0-Accuray, 85,52% f1-score, 79% recall, dan 93,41% precision.
Actions (login required)
![]() |
View Item |
